Unsere Kollegin Beate Altreuther hält einen Vortrag zu folgendem Thema:

Ein neuer H-Reifen für CPX-Messungen

• Mittwoch, 25. März 2026 von 17:00 bis 17:20 Uhr
• Saal 5

Die CPX-Methode ist eine Standardmethode zur Beurteilung der akustischen Eigenschaften von Straßenoberflächen. Die Referenzreifen, die mit diesem Verfahren verwendet werden sollen, sind in DIN ISO/TS 11819-3 festgelegt. Der darin genannte Reifen H1 (AVON AV4), der zur Charakterisierung des Reifen-/Fahrbahngeräuschs von Lkw verwendet wird, wird seit Ende 2014 nicht mehr produziert. Die Reifenhärte nimmt mit zunehmender Laufleistung und dem Alter zu, daher ist die Lebensdauer der noch im Einsatz befindlichen H1-Reifen begrenzt: sie nähern sich der in DIN ISO/TS 11819-3 festgelegten Obergrenze der Shore-Härte. Dies macht es notwendig, einen geeigneten Ersatz für AVON AV4 zu finden. Unter Projektförderung durch das Bundesministerium für Verkehr (BMV) und unter Begleitung der Bundesanstalt für Straßen- und Verkehrswesen (BASt) hat ein Konsortium aus allen Anbietern von CPX-Messungen in Deutschland das Projekt FE 04.0340/2021/AGB „Methodik zur Auswahl eines neuen H-Messreifens für das CPX-Verfahren“ bearbeitet und einen neuen H-Reifen (nachfolgend: H2-Kandidat) vorgeschlagen. Für diesen H2- Kandidaten wurden die Korrekturfaktoren für Lufttemperatur und Shorehärte sowie ein Verfahren für die Umrechnung von Ergebnissen mit dem Referenzreifen und dem H2-Kandidaten ermittelt. Darüber hinaus wurde das in diesem Projekt angewandte Verfahren in einem Handbuch als Anleitung für die zukünftige Wahl neuer Referenzreifen beschrieben.

Zum Fachgebiet
 

Unser Kollege Max Haberl hält einen Vortrag zu folgendem Thema:

Stadtklanggestaltung als Erweiterung zum klassischen Lärmschutz

• Donnerstag, 26. März 2026 von 08:40 bis 09:00 Uhr
• Konferenz 6

Mit der zunehmenden Verdichtung der Städte gewinnen öffentliche Freiflächen an Bedeutung. Gleichzeitig sind vermehrt Lärmkonflikte zu erwarten. Bislang konzentrieren sich Lärmschutzkonzepte vorwiegend auf die physikalischen Eigenschaften von Geräuschen. Der Klang der Stadt ist jedoch mehr als nur physikalische Parameter: Er ist wichtig für unsere Alltagserfahrungen und sozialen Interaktionen. Geräusche können sich positiv auf unser Wohlbefinden auswirken, unsere Orientierung fördern und unsere sozialen und kulturellen Bindungen stärken. In diesem Zusammenhang ist ein umfassender Ansatz erforderlich, um die städtische Klangumwelt angemessen zu gestalten und Lärmkonflikten entgegenzuwirken. In diesem Beitrag wird anhand von Beispielen analysiert, welche Bedingungen für das Hörerleben in einem bestimmten städtischen Kontext entscheidend sind. Daraus werden Mittel und Instrumente für die Gestaltung der städtischen Geräuschkulisse abgeleitet. Die Einbeziehung dieser Mittel und Instrumente in die Stadtplanung kann einen wesentlichen Beitrag zur Entwicklung hochwertiger urbaner Orte und Situationen sowie zur Erweiterung herkömmlicher Lärmschutzmaßnahmen leisten. Von einer solchen umfassenden Gestaltung der urbanen Klanglandschaft profitieren nicht nur die Stadtbewohner, sondern auch Kommunen, Behörden und Investoren.

Zum Fachgebiet

Unser Kollege Andreas Müller hält einen Vortrag zu folgendem Thema:

Generische Schiffsmodelle für maschinelles Lernen

• Donnerstag, 26. März 2026 von 10:40 bis 11:00 Uhr
• Konferenz 5

Diese Studie beschreibt ein Rahmenwerk zur Erstellung generischer Schiffs‑Signaturmodelle für die Simulation von Unterwasser‑Schallemissionen. Ziel ist es, umfassende Datensätze für Anwendungen des maschinellen Lernens in der maritimen Akustik bereitzustellen. Durch abstrahierte Schiffsgeometrien und Antriebseigenschaften ermöglichen die Modelle skalierbare und reproduzierbare Simulationen.

Die synthetischen Datensätze decken vielfältige Betriebs- und Umweltbedingungen ab und bilden eine robuste Grundlage für KI‑Systeme zur Erkennung, Klassifikation und Analyse akustischer Signaturen. Der Ansatz unterstützt die Entwicklung intelligenter Verfahren für Unterwasserüberwachung, Umweltmonitoring und marine Forschung.

Studien wie Lyu et al. (2025), Du & Hong (2024) und Liu et al. (2015) belegen die Wirksamkeit solcher Datensätze für Deep‑Learning‑Modelle. Um realistische Schiffsdurchfahrts‑Szenarien abzubilden, wird zudem die erforderliche Modellierungstiefe diskutiert – einschließlich Quellenmodellierung und Schallausbreitung.

Zum Fachgebiet